Exploiting views for collaborative research data management of structured data. Broneske, D., Wolff, I., Köppen, V., & Schäler, M. (2022). Exploiting views for collaborative research data management of structured data. In Y.-H. Tseng, M. Katsurai, & H. N. Nguyen (Hrsg.), ICADL 2022: From born-physical to born-virtual: Augmenting intelligence in digital libraries. (S. 360-376). Cham: Springer (online first). https://doi.org/10.1007/978-3-031-21756-2_28
|
Austausch zu Anwendung & Darstellung des KDSF mit der PURE Nutzer*innengruppe. Petersohn, S., & Both, G. (2022). Workshop Austausch zu Anwendung & Darstellung des KDSF mit der PURE Nutzer*innengruppe Jahrestreffen PURE Nutzer*innengruppe, PURE Nutzer*innengruppe, virtuell.
|
The effects of response burden – collecting life history data in a self-administered mixed-device survey. Carstensen, J., Lang, S., & Cordua, F. (2022). The effects of response burden – collecting life history data in a self-administered mixed-device survey. Journal of Official Statistics, 38(4), 1069-1095. https://doi.org/10.2478/jos-2022-0046
Abstract
Collecting life history data is highly demanding and therefore prone to error since respondentsmust retrieve and provide extensive complex information. Research has shown that responseburden is an important factor influencing data quality. We examine whether increases indifferent measures of response burden in a (mixed-device) online survey lead to adverseeffects on the data quality and whether these effects vary by the type of device used (mobileversus non-mobile).
|
Ausstattungs-, Kosten- und Leistungsvergleich Fachhochschulen 2021. Grunddaten und Kennzahlen der Hochschule Harz. Sanders, S. (2022). Ausstattungs-, Kosten- und Leistungsvergleich Fachhochschulen 2021. Grunddaten und Kennzahlen der Hochschule Harz. Hannover: DZHW (nicht zur Veröffentlichung vorgesehen).
|
10. Sozialerhebung. Daten- und Methodenbericht zur Studierendenbefragung 1982. Middendorff, E., & Wallis, M. (2022). 10. Sozialerhebung. Daten- und Methodenbericht zur Studierendenbefragung 1982. Hannover: FDZ-DZHW.
Abstract
Die Sozialerhebung ist eine seit 1951 bestehende Untersuchungsreihe zur wirtschaftlichen und sozialen Lage der Studierenden in Deutschland. In drei- bis vierjährigem Abstand wird ein Querschnitt von Studierenden zu Aspekten des Hochschulzugangs, zu Strukturmerkmalen des Studiums, zur sozialen und wirtschaftlichen Situation, u. a. Einnahmen und Lebenshaltungskosten, Erwerbstätigkeit, Wohnsituation sowie zu sozio-demographischen Merkmalen, Partnerschaftsstatus und Elternschaft befragt. Das Datenpaket umfasst die Daten der 10. Sozialerhebung (1982), die sich auf deutsche Studierende in den alten Ländern beschränkte. Ein Zusatzbogen umfasste Fragen zur psychosozialen Lage. https://doi.org/10.21249/DZHW:ssy10:1.0.0
|
Methodenbericht zur Befragung von wissenschaftlichen und administrativen Beschäftigten an medizinischen Fakultäten im Projekt QuaMedFo (Qualitätsmaße zur Evaluierung medizinischer Forschung). Biesenbender, S., Hartstein, J., Herrmann-Lingen, C., Kratzenberg, A., & Traylor, C. (2022). Methodenbericht zur Befragung von wissenschaftlichen und administrativen Beschäftigten an medizinischen Fakultäten im Projekt QuaMedFo (Qualitätsmaße zur Evaluierung medizinischer Forschung). Hannover: DZHW. https://doi.org/10.21249/DZHW:qmf2021-dmr:1.0.0
Abstract
Die Befragung wissenschaftlicher und administrativer Beschäftigter an medizinischen Fakultäten in Deutschland war Teil des Moduls 7 „Praktikabilität, Akzeptanz und Verhaltenswirksamkeit“ im Verbundprojekt „Qualitätsmaße zur Evaluierung medizinischer Forschung“ (QuaMedFo). Sie wurde in enger Zusammenarbeit des Deutschen Zentrums für Hochschul- und Wissenschaftsforschung (DZHW) und der Universitätsmedizin Göttingen (UMG) im ersten Halbjahr 2021 geplant und durchgeführt. Die Datenaufbereitung wurde im zweiten Halbjahr 2021 abgeschlossen. Von den über verschiedene Verteiler erreichten 1.591 TeilnehmerInnen wurden schließlich 516 Rückmeldungen im Analysedatensatz berücksichtigt. https://doi.org/10.21249/DZHW:qmf2021:1.0.
|
" Weiterentwicklung des Nacaps-Datenportals " . Azeroual, O., & Wegner, A. (2022). Workshop "Weiterentwicklung des Nacaps-Datenportals" im Rahmen des Nacaps-Workshops für die Partnerhochschulen, DZHW, Hannover.
|
Competency requirements in research information management and reporting: evidence from a national survey in Germany. Schelske, S., & Thiedig, C. (2022). Competency requirements in research information management and reporting: evidence from a national survey in Germany. Procedia Computer Science (211), 141-150. https://doi.org/10.1016/j.procs.2022.10.186
|
Ausstattungs-, Kosten- und Leistungsvergleich Fachhochschulen 2021. Grunddatenbericht Hochschule Flensburg. Winkelmann, G. (2022). Ausstattungs-, Kosten- und Leistungsvergleich Fachhochschulen 2021. Grunddatenbericht Hochschule Flensburg. Hannover: DZHW (nicht zur Veröffentlichung vorgesehen).
|
Combining Data Lake and Data Wrangling for Ensuring Data Quality in CRIS. Azeroual, O., Schöpfel, J., Ivanovic, D., & Nikiforova, A. (2022). Combining Data Lake and Data Wrangling for Ensuring Data Quality in CRIS. In M.-A. Sicilia, P. de Castro, S. Vancauwenbergh, E. Simons, & O. Ognjen (Hrsg.), 15th International Conference on Current Research Information Systems (S. 3-16). Dubrovnik, Croatia: Procedia Computer Science. https://doi.org/10.1016/j.procs.2022.10.171
|
UCRP-miner: Mining patterns that matter. Darrab, S., Broneske, D., & Saake, G. (2022). UCRP-miner: Mining patterns that matter. In IEEE Institute of Electrical and Electronic Engineers (Hrsg.), Proceedings of the 5th International Conference on Data Science and Information Technology (DSIT) (S. 1-7). New York, United States: IEEE. https://doi.org/10.1109/DSIT55514.2022.9943880
|
Research Information Systems and Ethics relating to Open Science. Schöpfel, J., Azeroual, O., & de Castro, P. (2022). Research Information Systems and Ethics relating to Open Science. In M.-A. Sicilia, P. de Castro, S. Vancauwenbergh, E. Simons, & O. Ognjen (Hrsg.), 15th International Conference on Current Research Information Systems (S. 36-46). Dubrovnik, Croatia: Procedia Computer Science. https://doi.org/10.1016/j.procs.2022.10.174
|
Tell me why it’s fake: Developing an explainable user interface for a fake news detection system. Shahania, S., Purificato, E., & William De Luca, E. (2022). Tell me why it’s fake: Developing an explainable user interface for a fake news detection system. In CEUR Workshop Proceedings (Hrsg.), Proceedings of the 3rd Italian Workshop on Explainable Artificial Intelligence (XAI.it 2022). Udine, Italy: CEUR.
Abstract
In this paper, we present the design and development of an explainable user interface for a fake news
detection system. The problem of distinguishing real from fake articles gained a lot of popularity in
the last few years, mainly due to the soaring diffusion of social networks and internet bots as means
for propaganda and disinformation sharing. By leveraging various explainability methods, i.e. feature
importance, partial dependence plots and SHAP values, we aim to show how the combination of different
techniques embedded in an interactive user interface can lead to enhance trust in a detection system for
a non-expert user, such as a fact-checker or a content manager. Through several examples, we describe
all the explainability component
|
Legal aspects and data protection in relation to the CRIS system. Zendulková, D., & Azeroual, O. (2022). Legal aspects and data protection in relation to the CRIS system. In M.-A. Sicilia, P. de Castro, S. Vancauwenbergh, E. Simons, & O. Ognjen (Hrsg.), 15th International Conference on Current Research Information Systems (S. 17-27). Dubrovnik, Croatia: Procedia Computer Science. https://doi.org/10.1016/j.procs.2022.10.172
|
Drawbacks of Normalization by Percentile Ranks in Citation Impact Studies. Donner, P. (2022). Drawbacks of Normalization by Percentile Ranks in Citation Impact Studies. Journal of Library and Information Studies, 20(2), 75-93.
Abstract
This paper discusses drawbacks of the percentile rank method for citation impact normalization which have hitherto been neglected in the bibliometrics literature. The transformation of citation counts to percentile ranks changes ratio scale data into ordinal scale data, for which the notions of the ratio between two values and of the magnitude of a difference between two values are not defined – a substantial loss of information. This distorts citation data particularly severely because the differences between citation counts adjacent in order in publication sets are greater for more highly cited publications and because highly cited publications are more scarce than non-highly cited ones. [...]
|
